Probabilites[www.learneconomie.blogspot.com]

Probabilités
Didier Müller, janvier 2012
www.nymphomath.ch

Table des matières
1. Dénombrement
1.1. Deux principes fondamentaux du dénombrement.......................................................................................................1
1.2. Exercices d'échauffement............................................................................................................................................2
1.3. Permutations simples...................................................................................................................................................3
1.4. Permutations avec répétitions......................................................................................................................................4
1.5. Arrangements simples.................................................................................................................................................5
1.6. Arrangements avec répétitions....................................................................................................................................5
1.7. Combinaisons simples.................................................................................................................................................6
1.8. Combinaisons avec répétitions....................................................................................................................................6
1.9. Exercices.....................................................................................................................................................................6
1.10. Coefficients binomiaux...............................................................................................................................................9
1.11. Ce qu'il faut absolument savoir.................................................................................................................................10
2. Probabilités
2.1. Un peu d'histoire........................................................................................................................................................11
2.2. Univers, issues et événements...................................................................................................................................12
2.3. Premiers pas en probabilités......................................................................................................................................13
2.4. Axiomes du calcul des probabilités et théorèmes (résumé).......................................................................................17
2.5. Probabilité conditionnelle..........................................................................................................................................17
2.6. Événements indépendants.........................................................................................................................................19
2.7. Épreuves successives.................................................................................................................................................20
2.8. La loi binomiale.........................................................................................................................................................23
2.9. La loi multinomiale...................................................................................................................................................23
2.10. Exercices supplémentaires.........................................................................................................................................25
3. Variables aléatoires
3.1. Un peu d'histoire........................................................................................................................................................27
3.2. Variables aléatoires discrètes.....................................................................................................................................27
3.3. Espérance de gain......................................................................................................................................................28
3.4. Loi de Poisson...........................................................................................................................................................30
3.5. Variables aléatoires continues....................................................................................................................................32
3.6. Loi normale de Gauss-Laplace..................................................................................................................................33

DÉNOMBREMENT
1. Dénombrement
Analyse combinatoire est un
synonyme de dénombrement.
Le dénombrement s'emploie à étudier et à dénombrer divers types de groupements que
l'on peut faire à partir d'ensembles finis.
Il est né de l'étude des jeux de hasard et s'est fortement développé sous l'influence du
calcul des probabilités. Il est par ailleurs lié à la théorie des nombres et à la théorie des
graphes.
1.1. Deux principes fondamentaux du dénombrement
Principe des tiroirs
Un exemple simple
Un exemple plus subtil
« Si vous disposez d'une commode avec 5 tiroirs et que vous devez ranger 6 pantalons,
alors au moins un des tiroirs contiendra au moins 2 pantalons. »
Plus généralement, si vous avez n « tiroirs » à disposition pour y ranger n+k « objets »,
alors certains « tiroirs » contiendront plus d'un « objet ».
Dans un village de 400 habitants, peut-on trouver deux personnes qui sont nées le même
jour (pas forcément de la même année) ?
Ici, les tiroirs représentent les jours de l'année et les objets les habitants. Seuls 366
habitants peuvent avoir des dates de naissance différentes.
On jette 51 miettes sur une table carrée de 1 m de côté. Montrez qu'il y a toujours au
moins un triangle formé de 3 miettes dont l'aire vaut au plus 200 cm2
.
On partage la table en 5 x 5 = 25 carrés de 20 cm de côté; comme il y a 51 miettes, il
existe au moins 1 carré qui contient 3 miettes. Le triangle formé par ces 3 miettes a une
aire au plus égale à la moitié de l'aire du carré dans lequel il est inscrit, soit 200 cm2
.
Principe de
décomposition
Exemple
Si une opération globale peut se décomposer en k opérations élémentaires successives,
ces dernières pouvant s'effectuer respectivement de n1, n2, ..., nk manières, alors
l'opération globale peut se faire de n1·n2·...·nk manières différentes.
Les localités X et Y sont reliées par trois routes (a, b et c) et les localités Y et Z par deux
routes (d et e). Combien y a-t-il de trajets de X à Z en passant par Y ?
Il y a 6 (= 3·2) trajets possibles : (a, d), (a, e), (b, d), (b, e), (c, d), (c, e).
Didier Müller - LCP - 2011 Cahier Probabilités
1

2 CHAPITRE 1
1.2. Exercices d'échauffement
Exercice 1.1
À la fin d'une réunion d'anciens élèves, tout le monde se serre la main. S'il y a n
personnes à la fête, combien de poignées de mains sont échangées ?
Exercice 1.2
Combien de diagonales contient un polygone convexe à n côtés (une diagonale relie
deux sommets non adjacents) ?
Exercice 1.3
Indication
Résolvez d'abord le problème
avec trois couleurs puis
réfléchissez comment passer à
quatre couleurs.
Attention aux doublons obtenus
par rotation !
Le jeu « Tantrix » est composé de tuiles hexagonales sur lesquelles sont dessinés des
rubans comme le montre le dessin ci-dessous. Un ruban part du milieu d'un côté pour
aller vers le milieu d'un autre côté. Il y a quatre couleurs en tout, mais sur chaque tuile
ne figurent que trois rubans de couleurs différentes.
De combien de tuiles différentes est composé un jeu complet ?
Exercice 1.4
Château de cartes et jeux
amoureux, par Patrick Martin
www.patrick-martin.com
Vous voulez construire un château de cartes avec…
a. un jeu de 52 cartes.
b. dix jeux de 52 cartes.
Combien d'étages aura votre château ? Le château doit être complet et on n'est pas
obligé d'utiliser toutes les cartes.
Cahier Probabilités Didier Müller - LCP - 2011

DÉNOMBREMENT
Exercice 1.5
Combien de mots différents de 7 lettres alternant consonne et voyelle peut-on former…
a. si la première lettre est une consonne ?
b. si la première lettre est une voyelle ?
Exercice 1.6
Le nombre de cheveux d'une femme ne dépasse jamais 400'000. Parmi les 1'500'000
Parisiennes, on peut donc être sûr qu'il en existe deux qui ont le même nombre de
cheveux, mais on peut ajouter que bien plus de deux d'entre elles possèdent
certainement le même nombre de cheveux. Combien, au moins ?
Exercice 1.7
Les deux triminos :
Les polyminos ont été étudiés par les Anglais Dudeney et Dawson au début du XXe
siècle. Ils doivent leur popularisation, à partir des années cinquante, à Solomon W.
Golomb, et sont devenus aujourd'hui un thème classique des récréations mathématiques.
Les polyminos sont des assemblages de carrés de même taille par un de leurs côtés.
Deux carrés s'assemblent en un domino, trois carré en un trimino (il n'y a que deux
configurations possibles : le « bâton » et le « trimino en L »), quatre carrés en un
tétramino (vous connaissez le jeu « Tétris » ?), cinq carrés en un pentamino, etc.
Combien y a-t-il de pentaminos différents (attention aux rotations et aux symétries
axiales) ?
1.3. Permutations simples
Définition Tout classement ordonné de n éléments distincts est une permutation de ces n
éléments. Par exemple aebcd est une permutation des éléments a, b, c, d, e.
Nombre de
permutations simples
n! se lit « n factorielle ».
Le nombre de permutations de n éléments peut être calculé de la façon suivante : il y a n
places possibles pour un premier élément, n−1 pour un deuxième élément, ..., et il ne
restera qu'une place pour le dernier élément restant. On peut représenter toutes les
permutations possibles sur un arbre.
On remarque facilement alors qu'il y a n·(n−1)·(n−2)·...·2·1 permutations possibles.
On note 1·2·3·...·(n−1)·n = n! Par convention, 0! = 1.
Il y a donc n! permutations de n éléments distincts.
Pn = n!
Les 4! = 24 permutations de 4 éléments distincts a, b, c, d :
abcd bacd cabd dabc abdc badc cadb dacb
acbd bcad cbad dbac acdb bcda cbda dbca
adbc bdac cdab dcab adcb bdca cdba dcba
Exemple type Nombre de dispositions de cinq personnes sur un banc de cinq places.
Remarques sur la
fonction factorielle
Pourquoi 69 ?
La fonction factorielle croît extrêmement vite. Elle est tellement rapide que la plupart
des calculatrices courantes ne peuvent pas calculer au-delà de 69!
Pour calculer au-delà de 69!, vous pouvez utiliser un logiciel puissant comme
Mathematica.
Notation cyclique
Une permutation de nombres peut être écrite en notation cyclique :
(2 4 5) (1 3) (6)
Cela signifie que 2 est remplacé par 4, 4 par 5, 5 par 2. 1 est remplacé par 3 et 3 par 1. 6
est remplacé par 6.
Si l'on part de 1 2 3 4 5 6, on aura après permutation 3 4 1 5 2 6.
3

4 CHAPITRE 1
Exercice 1.8
Soient les nombres entiers de 1 à 9 classés par ordre croissant.
a. À quelle permutation de ces nombres correspond la notation cyclique
(1 4 6 3)(2 9 7)(5 8) ?
b. Écrivez en notation cyclique la permutation 1 5 8 2 6 4 9 3 7.
c. Combien de fois faut-il appliquer la permutation du point a. pour retrouver la
séquence 1 2 3 4 5 6 7 8 9 ?
d. Combien de fois faut-il appliquer la permutation du point b. pour retrouver la
séquence 1 2 3 4 5 6 7 8 9 ?
Nombre d'inversions
Exemple
Méthode graphique
Le nombre d'inversions dénombre combien de fois un nombre plus grand se rencontre
avant un plus petit dans la suite i1, i2, …, in. Si le nombre d'inversions est pair, la
permutation est dite paire; dans le cas contraire, elle est impaire.
La permutation 4 3 1 5 2 comporte six inversions : 4 est avant 1, 2 et 3, 3 est avant 1 et
2, et enfin 5 est avant 2. Cette permutation est donc paire.
On peut aussi trouver le nombre d'inversions à l'aide d'un dessin. On met sur deux
colonnes les n nombres de la permutation, puis on relie le chiffre de gauche qui a été
remplacé par l'élément de droite. Le nombre d'inversions correspond au nombre
d'intersections de segments.
Voici un exemple avec la permutation 4 3 1 5 2 :
1
2
3
4
5
1
2
3
4
5
Il y bien 6 intersections qui correspondent aux 6 inversions que l'on avait déjà calculées.
Exercice 1.9
a. Soit une suite de n nombres entiers définissant une permutation. Montrez que si on
permute deux nombres de cette suite, la parité de la permutation change toujours.
b. Samuel Loyd (1841-1911), l'inventeur du
taquin, avait inversé l'ordre des pièces 14 et
15, et lancé le défi de reconstituer l'ordre
naturel des petits carrés en les faisant
coulisser.
Utilisez la propriété vue au point a. pour
démontrer que c'est impossible.
1 2 3 4
5 6 7 8
9 10 11 12
13 15 14
1.4. Permutations avec répétitions
Nombre de
permutations avec
répétitions
La barre sur le P signifie
« avec répétitions ».
Le nombre de permutations que l'on peut constituer si certains des éléments sont
identiques est plus petit que si tous les éléments sont distincts. Lorsque seuls k éléments
sont distincts (k ≤ n), chacun d'eux apparaissant n1, n2, ..., nk fois, avec n1 + n2 + ... + nk
= n et ni ≥ 1, on a :
Pnn1 ,n2 ,,nk =
n!
n1! n2!⋅⋅nk !

DÉNOMBREMENT
En effet, si chacune des ni places occupées par des éléments identiques (i ∈ {1, 2, ..., k})
était occupée par des éléments différents, le nombre de permutations serait alors à
multiplier par ni !, d'où :
Pnn1 ,n2 ,,nk ⋅n1!n2!⋅⋅nk !=n!
Les
5!
2!2!1!
permutations des 5 éléments a, a, b, c, c :
aabcc aacbc aaccb abacc abcac abcca acabc acacb acbac acbca
accab accba baacc bacac bacca bcaac bcaca bccaa caabc caacb
cabac cabca cacab cacba cbaac cbaca cbcaa ccaab ccaba ccbaa
Exemple type Nombre d'anagrammes différentes que l'on peut former avec les lettres du mot
« excellence ».
1.5. Arrangements simples
Définition Un arrangement est une collection de p objets pris successivement parmi n en tenant
compte de l'ordre d'apparition. Il est dit simple si on ne peut prendre chaque objet
qu'une fois au plus.
Nombre
d'arrangements simples
Le nombre d'arrangements de p éléments distincts choisis parmi n est noté Ap
n
(dans
certains livres, p et n sont inversés).
Le premier élément peut être choisi de n façons différents, le deuxième peut alors
prendre (n−1) valeurs, le troisième (n−2) valeurs et le p-ième élément (n−p+1) valeurs.
D'où :
Ap
n
=n⋅n−1⋅n−2⋅...⋅n− p1=
n!
n− p!
Les 4·3·2 = 24 arrangements de 3 éléments choisis parmi a, b, c, d :
abc abd acb acd adb adc bac bad bca bcd bda bdc
cab cad cba cbd cda cdb dab dac dba dbc dca dcb
Exemple type Après les prolongations d'un match de football, le nombre de façons de choisir les 5
tireurs de penalties parmi les onze joueurs et l'ordre de passage.
1.6. Arrangements avec répétitions
Nombre
d'arrangements avec
répétitions
Le nombre d'arrangements de p éléments choisis parmi n avec répétitions possibles est
noté Ap
n
. Si les répétitions sont permises, alors tous les éléments peuvent prendre n
valeurs. On a donc, d'après le principe de décomposition :
A p
n
=n
p
Les 32 = 9 arrangements avec répétitions de 2 éléments choisis parmi a, b, c :
aa ab ac ba bb bc ca cb cc
Exemple type Nombre de numéros de téléphone composés de 7 chiffres.
5

6 CHAPITRE 1
1.7. Combinaisons simples
Définition Une combinaison est une collection de p objets pris simultanément parmi n, donc sans
tenir compte de l'ordre d'apparition. Elle est dite simple si on ne peut prendre chaque
objet qu'une fois au plus.
Nombre de
combinaisons simples
Le nombre de combinaisons de p éléments choisis parmi n est noté C p
n
.
Si l'on permute les éléments de chaque combinaison simple, on obtient tous les
arrangements simples. Il y a donc p! fois plus d'arrangements que de combinaisons, ce
qui s'écrit :
A p
n
= p!C p
n
Le nombre de combinaisons de p éléments choisis parmi n est donc :
C p
n
=n
p=
n!
p!n – p!
Les
3!
2!1!
=3 combinaisons de 2 éléments choisis parmi a, b, c : ab ac bc
Notation Les n
p sont les coefficients binomiaux (voir § 1.10).
Exemple type Nombre de mains possibles au bridge.
1.8. Combinaisons avec répétitions
Nombre de
combinaisons avec
répétitions
Si les répétitions sont permises, le nombre de combinaisons de p éléments choisis parmi
n est noté C p
n
.
La démonstration de la formule est un peu compliquée. Comme les combinaisons avec
répétitions sont assez rares, nous donnerons la formule sans commentaires :
C p
n
=n p – 1
p =
np−1!
n – 1! p!
Les
4!
2!2!
=6 combinaisons avec répétitions de 2 éléments choisis parmi a, b, c :
aa ab ac bb bc cc
Exemple type Nombre de dominos possibles avec 7 symboles différents possibles.
1.9. Exercices
Pour tous ces exercices, il s'agira tout d'abord de déterminer s'il s'agit d'une permutation, d'un arrangement ou d'une
combinaison. Demandez-vous toujours si l'ordre intervient ou non. Si c'est le cas, c'est un arrangement ou une
permutation ; sinon, c'est une combinaison. Demandez-vous ensuite s'il y a des répétitions ou non.
Exercice 1.10
Combien un village doit-il avoir d'habitants au minimum pour que l'on soit sûr que deux
personnes au moins ont les mêmes initiales (composées de 2 lettres) ?
Exercice 1.11
Calculez A3
100
sans calculatrice.

DÉNOMBREMENT
Exercice 1.12
6 piles de marques différentes sont dans un tiroirs dont 3 sont neuves et 3 déchargées.
a. Combien peut-on réaliser d'échantillons différents de 3 piles ?
b. Combien, parmi ces échantillons, contiennent 3 piles neuves ?
c. Combien contiennent au moins une pile neuve ?
Exercice 1.13
Les douze tomes d'une encyclopédie sont rangés au hasard.
a. Combien y a-t-il de manières de les classer ?
b. Parmi ces classements, combien y en a-t-il où les tomes 1 et 2 se trouvent côte à côte
(dans cet ordre) ?
Exercice 1.14
Les symboles de l'écriture braille sont formés d'un assemblage de six points en relief,
comme le montre l'image ci-dessous. Combien de symboles différents peut-on fabriquer
selon ce principe ?
Exercice 1.15
Combien d'anagrammes distinctes peut-on former avec les lettres des mots :
a. deux b. abracadabra c. sociologique
Exercice 1.16
Dans un passé relativement proche, chaque classe du lycée cantonal devait avoir une
délégation de trois élèves : un délégué, un suppléant du délégué et un laveur de tableau.
Une classe est composée de 11 filles et 3 garçons.
a. Combien y a-t-il de délégations possibles ?
Combien y a-t-il de délégations possibles…
b. si le délégué et le suppléant doivent être de sexe différent ?
c. si le laveur de tableau doit être un garçon ?
d. si les deux sexes doivent être présents dans la délégation ?
Exercice 1.17
Un représentant s'apprête à visiter cinq clients. De combien de façons peut-il faire cette
série de visites...
a. s'il les fait toutes le même jour ?
b. s'il en fait trois un jour et deux le lendemain ?
Exercice 1.18
a. Combien de plaques d'immatriculation de véhicules peut-on former si chaque plaque
contient deux lettres différentes suivies de trois chiffres différents ?
b. Même problème mais en interdisant que le premier chiffre soit un 0.
Exercice 1.19
Une maîtresse de maison a onze amis très proches. Elle veut en inviter cinq à dîner.
a. Combien de groupes différents d'invités existe-t-il ?
b. Combien de possibilités a-t-elle si deux d'entre eux ne peuvent venir qu'ensemble ?
c. Combien de possibilités a-t-elle si deux d'entre eux sont en mauvais termes et ne
veulent plus se voir ?
Exercice 1.20
Un atelier comprend 15 ouvriers de même spécialité, 8 femmes et 7 hommes. On veut
former une équipe de 5 ouvriers.
a. Combien d'équipes différentes peut-on former ?
b. Combien d'équipes comportant 3 hommes peut-on former ?
Exercice 1.21
Combien y a-t-il de pièces différentes dans un jeu de dominos si sur chaque pièce
figurent deux symboles choisis parmi {blanc, 1, 2, 3, 4, 5, 6} ?
7

8 CHAPITRE 1
Exercice 1.22
17 chevaux sont au départ d'une course hippique. Combien y a-t-il de tiercés possibles :
a. au total,
b. gagnants dans l'ordre,
c. gagnants mais dans le désordre ?
Exercice 1.23
Lors d'un examen, un élève doit répondre à 10 questions sur 13.
a. Combien de choix a-t-il ?
b. Combien de possibilités a-t-il s'il doit répondre aux deux premières questions ?
c. Combien s'il doit répondre à la première ou à la deuxième question, mais pas aux
deux ?
d. Combien s'il doit répondre à exactement 3 des 5 premières questions ?
e. Combien s'il doit répondre à au moins 3 des 5 premières questions ?
Exercice 1.24
À partir d'un jeu de 36 cartes, de combien de façons peut-on choisir exactement :
a. deux cartes rouges et un pique ?
b. deux rois et un carreau ?
Exercice 1.25
Au « Swiss Lotto », il faut cocher 6 numéros sur 45.
a. Combien y a-t-il de grilles possibles ?
b. Combien y a-t-il de grilles avec exactement trois numéros gagnants (sans tenir
compte du numéro complémentaire) ?
Exercice 1.26
Dans une classe de dix élèves, de combien de façons peut-on choisir trois élèves pour
tenir les rôles de Cléante, Valère et Harpagon ?
Exercice 1.27
D'un jeu de 36 cartes, on veut choisir une main de 9 cartes. Combien y a-t-il de mains...
a. ne comportant que des cartes noires (trèfle ou pique) ?
b. ne comportant que des figures (valet, dame, roi ou as) ?
c. comportant 4 as ?
d. comportant 5 figures, dont 3 noires ?
e. comportant 3 as, 3 dames et 3 carreaux ?
Exercice 1.28
En 1961, Raymond Queneau a publié une œuvre majeure de la littérature combinatoire.
Malheureusement, le début du titre vous a échappé, mais vous vous rappelez que cela se
termine par « ... milliards de poèmes ».
Le livre contient 10 sonnets de 14 alexandrins chacun. Chaque page du livre contient un
sonnet et est découpée en languettes contenant chacune un alexandrin. On peut ainsi
composer un poème par exemple avec le premier alexandrin du cinquième sonnet, le
deuxième alexandrin du neuvième sonnet, et ainsi de suite jusqu'au quatorzième
alexandrin.
a. Quel est alors le titre du livre de Queneau ?
b. À raison d'un poème toutes les minutes, combien d'années faudrait-il pour lire tous
les poèmes possibles ?
Exercice 1.29
Résolvez a. A2
n
=72 b. A4
n
=42 A2
n
c. 2 A2
n
50=A2
2n
Exercice 1.30
Sur une feuille quadrillée, dessinez un rectangle de 10 carrés de long et de 6 carrés de
large.
En se déplaçant uniquement vers la droite ou vers le haut en suivant les lignes du
quadrillage, combien y a-t-il de chemins pour aller du coin inférieur gauche au coin
supérieur droit du rectangle ?

DÉNOMBREMENT
Exercice 1.31
Quatre hommes, au bord d'un précipice, doivent traverser la passerelle qui mène sur
l'autre bord. Mais il y a un problème : la passerelle n'est pas très solide et on ne peut pas
la franchir à plus de deux. De plus, il faut se munir d'une torche, car la nuit est tombée et
certaines planches sont pourries. Notons pour finir que le pas doit toujours s'accorder
sur celui de la personne la plus lente.
André traverse en 1 minute,
Boris en 2 minutes,
Claude en 5 minutes et
Denis, plus peureux, met 8 minutes.
Ils n'ont qu'une seule torche, et ils ne peuvent pas se la lancer d'un bord du ravin à
l'autre ; il faut donc la rapporter à chaque fois.
a. Combien y a-t-il de façons de faire traverser cette passerelle à ces quatre personnes
en cinq passages ?
b. Quelle est la solution la plus rapide ?
Exercice 1.32
Le problème du voyageur de
commerce consiste à trouver le
plus court de ces circuits. C'est
un problème très difficile. On
ne connaît pas actuellement de
méthode.
Soient n villes reliées deux à deux par une route.
a. Combien y a-t-il de routes ?
b. Combien de circuits passent par n villes ? On ne passe qu'une fois par chaque ville et
on finit le parcours en revenant à la première ville. On ne tient pas compte du sens de
parcours.
Application numérique : combien y a-t-il de routes et de circuits pour 16 villes ?
Indication pour le point b.
Procédez par récurrence : commencez par 3 villes, puis 4, puis 5, etc. Puis voyez
comment vous passez de k villes à k+1 villes.
1.10. Coefficients binomiaux
Triangle de Pascal
En fait, ce triangle était connu
des mathématiciens chinois au
12e
siècle déjà puisque Zhu Shi
Jie s'y intéressait. Pascal en fait
une étude détaillée en 1653,
c'est pourquoi il porte son nom.
Blaise Pascal
(Clermont-Ferrand, 19/6/1623 -
Paris, 19/8/1662)
Le triangle de Pascal se construit ligne par ligne : chaque terme est l'addition des deux
nombres de la ligne supérieure qui lui sont adjacents.
p=0
 p=1
n=0  1  p=2
n=1  1 1  p=3
n=2  1 2 1  p=4
n=3  1 3 3 1  p=5
n=4  1 4 6 4 1  p=6
n=5  1 5 10 10 5 1  p=7
n=6  1 6 15 20 15 6 1 
n=7  1 7 21 35 35 21 7 1
Exemple : on voit que le 4 est égal à 3 + 1.
Ce triangle permet de déterminer les coefficients binomiaux sans connaître la formule.
Par exemple, le nombre C3
4
=
4 !
3!1!
se lit à l'intersection de la ligne n = 4 et de la
diagonale p = 3.
Curiosité Dans ce triangle, si tous les nombres pairs sont coloriés en blanc et tous les nombres
impairs en noir, le triangle de Sierpinski apparaît.
Essayez !
9

10 CHAPITRE 1
Binôme de Newton
C'est d'ailleurs pour cette raison
qu'on les appelle coefficients
binomiaux !
Vous connaissez les identités binomiales depuis longtemps déjà :
(a + b)
0
= 1
(a + b)
1
= a + b
(a + b)
2
= a
2
+ 2ab + b
2
(a + b)
3
= a
3
+ 3a
2
b + 3ab
2
+ b
3
Mais quelles sont les formules pour des degrés supérieurs ?
En comparant les formules de degré 0, 1, 2 et 3 avec les lignes 0, 1, 2 et 3 du triangle de
Pascal, vous constaterez que les coefficients des identités binomiales correspondent avec
les nombres du triangle. Donc :
(a + b)
4
= a
4
+ 4a
3
b + 6a
2
b
2
+ 4ab
3
+ b
4
(a + b)
5
= a
5
+ 5a
4
b + 10a
3
b
2
+ 10a
2
b
3
+ 5ab
4
+ b
5
etc.
Rappel
n
p est une autre
notation de C p
n
.
Soit n un nombre entier strictement positif. La formule générale du binôme de Newton
est :
ab
n
=n
0a
n
n
1a
n–1
bn
2a
n– 2
b
2
n
k a
n– k
b
k
n
nb
n
= ∑
k =0
n
n
ka
n– k
b
k
Formules
concernant les
coefficients
binomiaux
En étudiant bien le triangle de Pascal, on peut observer les propriétés suivantes :
Il y a toujours un 1 dans les bords : n
0=n
n=1
Le triangle est symétrique par rapport à la verticale :  n
n – p=n
p
Par la construction du triangle, on a : n
p n
p1=n1
p1
Vérifiez encore que : n
nn1
n nm – 1
n =nm
n1
Exercice 1.33
a. Développez (a + b)
7
.
b. Écrivez le cinquième terme du développement de (r·s
2
+ 3)
16
.
1.11 Ce qu'il faut absolument savoir
Maîtriser le principe des tiroirs t ok
Maîtriser le principe de décomposition t ok
Reconnaître à quel type de dénombrement on a affaire en lisant une donnée t ok
Calculer tous les types de dénombrement sur sa calculatrice t ok
Connaître le triangle de Pascal et les coefficients binomiaux t ok

PROBABILITÉS
2. Probabilités
2.1. Un peu d'histoire
Pierre de Fermat
(Beaumont-de-Lomagne,
17/8/1601 -
Castres, 12/1/1665)
Jacques Bernoulli
(Bâle, 27/12/1654 -
Bâle, 16/8/1705)
Pierre-Simon Laplace
(Beaumont-en-Auge,
23/3/1749 - Paris, 5/3/1827)
Les premiers écrits sur les probabilités sont l'œuvre de
Jérôme Cardan (1501-1576), qu'un de ses biographes a
surnommé « le joueur savant ». Un problème qui
intéressait Cardan était le suivant : comment doit-on
répartir les mises d'un jeu de dés si le jeu venait à être
interrompu ? La même question fut posée en 1654 à
Blaise Pascal par son ami le Chevalier de Méré, qui
était un joueur impénitent. Un joueur parie qu'il tirera un
as en huit coups de dés, mais la police interrompt le jeu
après le troisième coup. Les assistants protestent, mais
comment doit-on répartir les mises ? Cette question fut à
l'origine d'une correspondance entre Pascal et Fermat, et
leurs réflexions furent publiées en 1657 dans Tractatus
de ratiociniis in aleae ludo (Traité sur les raisonnements
dans le jeu de dés). L'auteur est le néerlandais Christiaan
Huygens, plus connu pour ses travaux en astronomie et
en physique. C'est donc à partir de problèmes posés par
les jeux de hasard que se définirent les concepts et les
premières approches de cette nouvelle branche des
mathématiques.
On avait observé que, lorsque l'on répétait de nombreuses
fois la même expérience, les fréquences tendaient à se
stabiliser. On savait de plus que ces fréquences se
stabilisaient autour des probabilités, lorsque celles-ci
étaient connues. Ainsi, dans le cas d'un dé, au bout d'un
grand nombre de tirages, chaque face était obtenue
environ une fois sur six. Cette observation empirique
pouvait-elle recevoir un fondement théorique ? Le
premier à se poser la question est le bâlois Jacques
Bernoulli, fils de Nicolas Bernoulli, premier membre
d'une longue dynastie de mathématiciens, dont les plus
célèbres sont Jacques, Jean (son frère) et Daniel (le fils
de Jean). Jacques Bernoulli a écrit Ars Conjectandi, qui
ne sera publié qu'après sa mort en 1713 par son neveu
Daniel.
Au 19ème siècle, la croissance rapide des sciences rendit
nécessaire l'extension de la théorie des probabilités au-
delà des jeux de hasard. Elle devint très utilisée en
économie et dans le domaine des assurances.
Pour faire de la théorie des probabilités une discipline à
part entière, il ne manquait finalement plus qu'une chose :
une définition précise de son objet, la probabilité.
Pafnouti Lvovitch Tchebychev
(Okatovo, 16/5/1821 -
St-Pétersbourg, 8/12/1894)
Andrei Andreeivich Markov
(Ryazan, 14/6/1856 -
St-Pétersbourg, 20/7/1922)
Andrei Nikolaevich Kolmogorov
(Tambov, 25/4/1903 -
Moscou, 20/10/1987)
C'est Laplace qui s'en charge dans son ouvrage Théorie analytique des probabilités, paru en 1812 : « La probabilité
est une fraction dont le numérateur est le nombre de cas favorables, et dont le dénominateur est le nombre de tous
les cas possibles. »
D'autres noms importants dans le domaine des probabilités sont Abraham de Moivre (1667-1754), Carl Friedrich
Gauss (1777-1855), Denis Poisson (1781-1840), Pafnouti Lvovitch Tchebychev (1821-1894), Andrei Andreeivich
Markov (1856-1922) et Andrei Nikolaevich Kolmogorov (1903-1987).
11

CHAPITRE 2
2.2. Univers, issues et événements
Une expérience aléatoire,
comme celle consistant à jeter
un dé, est appelée une épreuve.
Une issue est aussi appelée
événement élémentaire.
Plus formel
Exemple du dé
Supposons que l'on jette un dé. Lorsqu'il s'immobilisera, il indiquera l'une des six issues
suivantes : 1, 2, 3, 4, 5 ou 6. Les statisticiens appellent l'ensemble
Ω = { }
l'univers des résultats.
Soit Ω un univers comportant un nombre fini d'issues possibles.
Ω = {i1, i2, i3, ..., in}.
Les événements I1 = {i1}, I2 = {i2}, ... In = {in} sont appelés événements élémentaires.
I1 = { }, I2 = { }, I3 = { },
I4 = { }, I5 = { }, I6 = { }.
Événements
On appelle événement tout sous-ensemble de Ω, ou, ce qui revient au même, un
ensemble d'événements élémentaires.
Ainsi, l'événement « le résultat d'un lancer de dé est un nombre pair » est identifié par le
sous-ensemble
E = { }
Opérations sur les
événements
Si l'intersection de deux
événements E et F est vide
(E ∩ F = ∅), on dit que ces
deux événements sont
incompatibles.
Deux événements élémentaires
sont bien évidemment
incompatibles.
Intersection
Union
Les opérations sur les événements sont les opérations classiques sur les ensembles.
Soit l'événement « le résultat du lancer est plus petit que 3 » identifié par l'ensemble
A = {1, 2} et l'événement E = {2, 4, 6}.
A E
.
A ∩ E représente l'événement « le résultat du lancer est un chiffre pair et plus petit que
3 », donc B = A ∩ E = {2}.
A ∪ E représente l'événement « le résultat du lancer est un chiffre pair ou un chiffre plus
petit que 3 », donc C = A ∪ E = {1, 2, 4, 6}.
Complémentaire L'événement complémentaire de E, que l'on note E (on prononce « non E »),
correspond à l'événement « le résultat du lancer est un nombre impair ». On a donc
E = {1, 3, 5}.
12

PROBABILITÉS
Exercice 2.1
On lance deux fois une pièce de monnaie. On écrit p si la pièce montre pile et f si elle
montre face. Écrivez l'ensemble Ω .
Exercice 2.2
Une urne contient quatre boules numérotées 1, 2, 3 et 4.
On tire successivement deux boules de l'urne, sans remettre la première boule tirée avant
le tirage de la seconde. Écrivez l'ensemble Ω .
Exercice 2.3
Quatre chevaux avec les dossards numérotés de 1 à 4 font une course. Écrivez
l'ensemble Ω des tiercés possibles.
2.3. Premiers pas en probabilités
Attention ! Cette propriété
n'est toujours vraie que pour
des événements élémentaires.
Considérons une expérience dont l'univers est Ω. Nous voulons assigner à chaque issue
I un nombre P(I) qui indiquera sa probabilité.
La probabilité d'une issue I est un nombre réel compris entre 0 et 1 :
0 ≤ P(I) ≤ 1
0 indiquera que l'issue est impossible et 1 qu'elle est certaine.
Par exemple, si on lance un dé non pipé, chaque face aura une probabilité égale de sortir
(1 chance sur 6). On peut donc dire que la probabilité d'une face est de 1/6.
De plus, quand on lance un dé, on est sûr qu'il indiquera un chiffre de 1 à 6. On doit
donc avoir P(1) + P(2) + P(3) + P(4) + P(5) + P(6) = 1, ce qui est bien le cas.
Donc, en généralisant :
P(I1) + P(I2) + ... + P(In) = P(Ω) = 1
Événements
élémentaires
équiprobables
Ce théorème est la version
moderne de la définition
qu'avait donnée Laplace
en 1812 (voir introduction).
Autre formulation
On vient de voir ce qui se passait avec un dé non pipé. Les événements {1}, {2}, {3},
{4}, {5} et {6} sont ce qu'on appelle des événements élémentaires équiprobables (ils
ont tous la même probabilité).
Soit Ω un univers comportant n événements élémentaires équiprobables. Si A est un
événement de Ω formé de la réunion de k événements élémentaires, alors PA=
k
n
.
« La probabilité est le nombre de cas favorables divisé par le nombre de cas possibles »
(si tous les cas sont équiprobables).
Le seul moyen de vérifier
qu'un dé n'est pas pipé, c'est
de le lancer un grand nombre
de fois, par exemple 6000
fois. On devrait alors en
principe obtenir environ 1000
fois chacune des faces. Plus
on lancera le dé, plus les
fréquences observées seront
proches des probabilités
théoriques. C'est la loi forte
des grands nombres.
Si on utilise un dé pipé, les issues ne sont plus équiprobables et le théorème ci-dessus
n'est plus vrai ; on peut choisir par exemple un dé dont les faces ont les probabilités
d'apparition suivantes :
0.25 0.15 0.15 0.15 0.15 0.15
On peut vérifier que la somme des probabilités donne bien 1.
13

CHAPITRE 2
Exemple
On lance deux dés, un rouge et un blanc. Il y a 36 événements élémentaires possibles
équiprobables. Chaque paire aura donc une probabilité d'apparition de 1/36 (1 cas
favorable sur 36 possibles).
On notera chaque issue par la paire (r ; b) où r indiquera le résultat du dé rouge et b
celui du dé blanc.
Description de l'événement Événement Probabilité
A : la somme des deux dés est 3 A = {(1; 2), (2; 1)} PA=
2
36
=
1
18
B : la somme des deux dés est 6 B = {(1; 5), (2; 4), (3; 3), (4; 2), (5; 1)} PB=
5
36
C : le dé rouge montre un 1 C = {(1; 1), (1; 2), (1; 3), (1; 4), (1; 5), (1; 6)} PC=
6
36
=
1
6
D : la somme des dés est inférieure
à 7 et est un nombre premier
D = {(1; 1), (1; 2), (1; 4), (2; 1), (2; 3), (3; 2), (4; 1)} PD=
7
36
Théorème 2.1
E ∪ F : « le dé rouge ou
le dé blanc montre un 6 ».
E ∩ F : « le dé rouge et le
dé blanc montrent un 6 ».
P(E ∪ F) =
6
36

6
36
–
1
36
=
11
36
En comptant les paires
vertes, on voit qu'il y en a
bien 11 sur 36.
Reprenons l'exemple des deux dés. Soit E l'événement « le dé rouge montre un 6 » et F
l'événement « le dé blanc montre un 6 ».
E ∪ F est toute la partie verte.
E ∩ F est l'intersection de la bande verticale et de la bande horizontale.
Cela illustre le théorème 2.1 :
P(E ∪ F) = P(E) + P(F) – P(E ∩ F)
14

PROBABILITÉS
Lorsque les deux événements sont incompatibles, le théorème 2.1 se simplifie et
devient :
P(E ∪ F) = P(E) + P(F), car E ∩ F = ∅.
Théorème 2.2
PE=
1
36
PE=1 –
1
36
=
35
36
Soit l'événement E « les deux dés montrent un 4 ». L'événement E est « au moins un
des deux dés ne montre pas un 4 ».
On vérifie immédiatement sur le dessin que
P E=1 – PE
On peut commenter ce théorème comme suit : la probabilité qu'un événement ne
survienne pas est 1 moins la probabilité qu'il survienne. Par exemple, si la probabilité de
toucher une cible est 0.23, la probabilité de rater la cible est 0.77.
Exercice 2.4
Dans un canton, il y a 40'000 voitures dotées de plaques numérotées de 1 à 40'000. En
n'observant que les voitures de ce canton, quelle probabilité a-t-on de voir une voiture
dont le numéro de plaque commence par 1 ?
Exercice 2.5
On lance deux dés. Quelle probabilité a-t-on d'obtenir…
a. un 3 et un 5 ? b. deux 3 ?
c. deux chiffres identiques ? d. un total de 8 ?
Exercice 2.6
On propose à Pierre de lancer simultanément trois pièces de monnaie parfaitement
équilibrées de 10, 20 et 50 centimes respectivement. Il pourra conserver les pièces qui
présentent le côté pile.
a. Décrivez l'univers.
Quelle probabilité a-t-il de gagner…
b. 20 centimes ? c. moins de 50 centimes ? d. plus de 20 centimes ?
Exercice 2.7
Un tétraèdre pipé vous sert de dé. Les faces sont numérotées de 1 à 4. Après le jet, la
face gagnante est celle qui repose contre le sol.
La probabilité de gain est proportionnelle au numéro inscrit sur la face : par exemple, la
face numéro 4 a une probabilité de sortie 4 fois plus élevée que la face numéro 1.
Quelle est la probabilité de sortie de la face numéro 3 ?
Exercice 2.8
On jette deux dés. Quelle est la probabilité que la somme des points soit i ? Faites les
calculs pour i = 2, 3, ..., 12. Dessinez un histogramme.
Exercice 2.9
Deux boules sont tirées d'une urne contenant 6 boules blanches et 5 noires. Quelle est la
probabilité qu'une des boules tirées soit blanche et l'autre noire ?
15

CHAPITRE 2
Exercice 2.10
Dans une enquête portant sur les pannes de voitures qui se sont produites au cours d'une
année, on a pris en considération, pour un type de voiture déterminé, les possibilités
suivantes :
P0 : il n'y a pas eu de panne ;
P1 : il y a eu une panne ;
P2 : il y a eu deux pannes ;
P3 : il y a eu plus de deux pannes.
Le dépouillement de l'enquête a montré que ces possibilités se sont produites
respectivement 233, 310, 156 et 81 fois. Quelle probabilité y a-t-il, pour un possesseur
d'une voiture de ce type, de tomber en panne dans l'année qui vient...
a. au moins une fois ?
b. moins de deux fois ?
Exercice 2.11
On tire d'un paquet de 52 cartes deux cartes au hasard. Quelle est la probabilité qu'elles
forment un black jack, ou, autrement dit, que l'une soit un as et l'autre un dix, un valet,
une dame ou un roi ?
Indication : utilisez les combinaisons.
Exercice 2.12
On admet que les C5
52
mains possibles au poker fermé sont équiprobables.
Quelle est la probabilité de recevoir...
a. une quinte royale (10, V, D, R, 1 de la même couleur) ?
b. une quinte flush (5 cartes consécutives de la même couleur, mais pas une quinte
royale) ?
c. un carré (p. ex. D ♠, D ♣, D ♦, D ♥, 2 ♠) ?
d. un full, i.e. brelan + paire (p. ex. V ♠, V ♣, V ♦, 4 ♦, 4 ♥) ?
e. un flush (p. ex. 2 ♥, 3 ♥, 4 ♥, 9 ♥, V ♥) ?
f. une quinte (p. ex. 2 ♥, 3 ♣, 4 ♣, 5 ♦, 6 ♠) ?
g. un brelan (p. ex. 1 ♠, 1 ♣, 1 ♦, 5 ♦, 8 ♠) ?
h. deux paires (p. ex. 6 ♠, 6 ♣, 9 ♦, 9 ♠, 10 ♦) ?
i. une paire (p. ex. R ♠, R ♣, 7 ♦, 3 ♦, 2 ♠) ?
Exercice 2.13
a. Si n personnes sont présentes dans une pièce, quelle est la probabilité que leurs
anniversaires tombent tous sur des jours différents ?
b. Quelle valeur faut-il donner à n pour que cette probabilité tombe en dessous de 1/2 ?
Pour simplifier, on exclura les gens nés le 29 février.
Indication
Commencez par calculer la probabilité de non-coïncidence pour n = 2, 3 et 4. Donnez
ensuite la formule générale.
Exercice 2.14
Trois frères possèdent chacun trois chapeaux identiques, soit, au total, neuf chapeaux
identiques, à part les initiales de chaque propriétaire, invisibles de l'extérieur.
Ces neuf chapeaux sont accrochés les uns à côté des autres. Un jour, les trois frères
prennent chacun un chapeau au hasard.
Quelle est la probabilité qu'aucun des trois frères n'ait pris un chapeau qui lui
appartienne ?
16

PROBABILITÉS
2.4. Axiomes du calcul des probabilités et théorèmes (résumé)
Axiome 2.1
Axiome 2.2
Axiome 2.3
Résumons de manière un peu plus formelle nos constatations du § 2.3.
La probabilité d'un événement E est un nombre réel compris entre 0 et 1 :
0 ≤ P(E) ≤ 1
La probabilité de l'événement certain est égale à 1 :
P(Ω) = 1
La probabilité de la réunion de deux événements incompatibles est égale à la somme de
leur probabilité :
si E ∩ F = ∅, alors P(E ∪ F) = P(E) + P(F)
Théorème 2.1
Théorème 2.2
Théorème 2.3
Théorème 2.4
Théorème 2. 5
P(E ∪ F) = P(E) + P(F) – P(E ∩ F)
P E=1 – PE
P(∅) = 0
P(E1 ∪ E2 ∪ ... ∪ En) = P(E1) + P(E2) + ... + P(En) si les événements Ei sont deux à
deux incompatibles.
P(F ∩ E ) = P(F) − P(F ∩ Ε)
Preuve du théorème 2.5 F∩E et F∩E sont incompatibles. En effet,
F∩E∩F∩E = ∅ (voir dessin ci-contre).
Par ailleurs, F∩E∪F∩E=F .
Donc, en vertu de l'axiome 3 :
PF=PF∩E∪F∩E=PF∩EPF∩E
ce qui prouve le théorème 2.5.
Exercice 2.15
Formules de de Morgan :
A∩B=A∪B
A∪B=A∩B
A, B et A ∪ B sont trois événements de probabilités 0.4, 0.5 et 0.6, respectivement.
Calculez les probabilités des événements suivants :
a. A b. B c. A∩B
d. A∩B e. A∩B f. A∪B
g. A∪B h. A∩B i. A∪B
2.5. Probabilité conditionnelle
Nous noterons P(E | F) cette
nouvelle probabilité
(probabilité conditionnelle de
E, sachant que F s'est
produit).
Définition
Supposons que nous attendions le résultat d'une épreuve et que nous connaissions la
probabilité P(E) de l'événement attendu E. Si, l'épreuve s'étant déroulée, nous recevons
une information supplémentaire, par exemple que l'événement F s'est produit, ce
renseignement va en général modifier la probabilité de réalisation de l'événement E.
Soient E et F deux événements d'un univers Ω. Si P(F) ≠ 0, on appelle probabilité
conditionnelle de E par F le nombre noté P(E | F) et tel que
PE∣F=
PE∩F
PF
17

CHAPITRE 2
Exemple On lance deux dés. Quelle est la probabilité d'obtenir une somme supérieure à 6, sachant
que l'un des deux dés indique un 2 ?
Résolution sans la
définition
Résolution avec la
définition
Il est souvent plus facile de
résoudre une probabilité
conditionnelle sans la formule.
Remarquons tout d'abord que toutes les 36 paires « habituelles » ne sont pas
envisageables. En fait, seules 11 sont possibles. Et sur ces 11 paires, 4 ont une somme
supérieure à 6. Donc p=
4
11
.
On pose : E : « la somme des dés est supérieure à 6 »
F : « un des deux dés indique un 2 ».
Donc E ∩ F : « la somme des dés est supérieure à 6 et un des deux dés indique un 2 ».
D'après la figure ci-dessus, on voit que PE∩F=
4
36
et PF=
11
36
.
Donc, selon la formule, on obtient bien PE∣F=
4
36
11
36
=
4
11
.
Exercice 2.16
On choisit au hasard une famille parmi celles qui ont deux enfants. Quelle est la
probabilité que ce soient deux garçons...
a. si l'on sait que l'un des deux au moins est un garçon ?
b. si l'on sait que l'un des deux enfants s'appelle Ernest ?
Exercice 2.17
Un sac contient vingt jetons ; la moitié sont noirs, les autres blancs. Cinq jetons portent
en plus une marque spéciale et trois de ceux-là sont noirs.
On tire au hasard un jeton du sac. Quelle est la probabilité que ce jeton...
a. soit noir si l'on sait qu'il porte une marque ?
b. ne porte pas de marque si l'on sait qu'il est blanc ?
Exercice 2.18
On jette deux dés équilibrés. Quelle est la probabilité qu'au moins l'un d'entre eux
montre un 6, sachant que les deux chiffres montrés sont différents ?
Exercice 2.19
On jette deux dés équilibrés. Quelle est la probabilité qu'au moins l'un d'entre eux
montre un 6, sachant que la somme des deux est i ? Calculez le résultat pour toutes les
valeurs possibles de i.
Exercice 2.20
Dans une petite ville, la police recherche un ivrogne. Il y a quatre chances sur cinq qu'il
se trouve dans un des huit bars de la ville. Deux agents de police visitent sept des huit
bars sans le trouver. Quelle est la probabilité qu'ils le trouvent dans le huitième bar ?
18

PROBABILITÉS
Exercice 2.21
On considère trois urnes. L'urne A contient 2 boules blanches et 4 rouges ; l'urne B, 8
blanches et 4 rouges ; l'urne C 1 blanche et 3 rouges. On tire une boule de chacune des
urnes.
Quelle est la probabilité que la boule tirée de l'urne A soit blanche, si l'on sait que le
tirage a livré 2 boules blanches exactement ?
Indication : utilisez la formule de la probabilité conditionnelle.
Formule de Bayes
Thomas Bayes
(Londres, ?/?/1702 -
Tunbridge Wells, 17/4/1761)
La formule de la probabilité conditionnelle peut être écrite sous une autre forme,
appelée formule de Bayes :
PE∣F=
PF∣E⋅PE
PF∣E⋅PEP F∣E⋅PE
Le numérateur découle de la formule de la probabilité conditionnelle :
PF∣E=
PF∩E
PE
⇒ PF∩E=PF∣E⋅PE
Le dénominateur s'obtient ainsi :
PF=PF∩EPF∩E=PF∣E⋅PEPF∣E⋅PE
Exemple
Un élève répond à une question à choix multiple. De deux choses l'une : soit il connaît
la réponse, soit il la devine. Soit p la probabilité que l'élève connaisse la réponse et donc
1–p celle qu'il la devine. On admet que l'élève qui devine répondra correctement avec
probabilité 1/m où m est le nombre de réponses proposées. Quelle est la probabilité
qu'un élève connaisse la réponse à une question s'il y a répondu correctement ?
Soient E et F respectivement les événements « il connaît vraiment la réponse » et
« l'étudiant répond correctement à la question ». Alors
PE∣F=
1⋅p
1⋅p
1
m 1 – p
=
m⋅p
1m – 1⋅p
En prenant par exemple m = 5 et p = 0.5, la probabilité qu'un élève connaisse la réponse
à une question sachant qu'il a répondu correctement sera ainsi de
5
6
.
Exercice 2.22
Une maladie atteint une personne sur mille. Il existe un test pour savoir si une personne
est infectée, mais ce test n'est pas parfait : si la personne est infectée, le test sera positif
dans 99% des cas ; mais, dans 2% des cas, le test sera positif alors que la personne est
saine.
Vous venez d'être examiné et le test est positif. Quelle est la probabilité que vous soyez
vraiment atteint par cette maladie ?
2.6. Événements indépendants
Occurrence : apparition,
réalisation
Deux événements E et F sont indépendants l'un de l'autre si l'occurrence de l'un n'a pas
d'influence sur la probabilité de l'autre. Par exemple, le jet d'un dé n'a pas d'influence sur
le jet d'un autre (sauf s'ils sont collés, magnétisés, etc.).
De la formule de la probabilité conditionnelle donnée au § 2.5, on sait que P(E ∩ F) =
P(E | F)·P(F). Si les deux événements E et F sont indépendants, alors P(E | F) = P(E),
donc P(E ∩ F) = P(E)·P(F).
19

CHAPITRE 2
Définition On dit que deux événements E et F sont indépendants si P(E ∩ F) = P(E)·P(F). Dans
le cas contraire, on dit qu'ils sont dépendants.
Exercice 2.23
On jette une pièce de monnaie deux fois de suite. Les événements A et B suivants sont-
ils indépendants ?
A : « Le même côté sort deux fois. »
B : « Le nombre de côtés face est inférieur à deux. »
Exercice 2.24
On tire au hasard une carte d'un paquet de 52 cartes à jouer ordinaires. Les événements
A et B suivants sont-ils indépendants ?
A : « La carte tirée est un as. »
B : « La carte tirée est un pique. »
Exercice 2.25
Je vais lancer une pièce de monnaie équilibrée pour la quatrième fois. Les trois
premières fois j'ai obtenu pile. Quelle est la probabilité que j'obtienne pile encore cette
fois ?
Exercice 2.26
Questions a - d :
voir exercice 2.15
Un hôpital comporte deux salles d'opération qui ont la même probabilité d'être
occupées. La probabilité que l'une des salles au moins soit occupée vaut 0.9, celle que
toutes deux soient occupées 0.5.
Quelle probabilité y a-t-il...
a. que la première salle soit libre ?
b. que les deux salles soient libres ?
c. que l'une des deux salles au moins soit libre ?
d. qu'une seule salle soit libre ?
e. que la seconde salle soit libre si l'on sait que la première est occupée ?
f. Les événements A et B suivants sont-ils indépendants ?
A : « La première salle est occupée ».
B : « La seconde salle est occupée ».
Exercice 2.27
Un caméléon daltonien posé sur du vert prend soit la couleur verte, soit la couleur
rouge, avec la même probabilité. Quand il est posé sur du rouge, il prend soit la couleur
verte une fois sur cinq, soit la couleur rouge quatre fois sur cinq.
Julie étale chaque matin sa couverture bicolore sur l'herbe, une fois sur trois côté rouge
visible, deux fois sur trois côté vert visible.
Un couple de caméléons daltoniens vient s'ébattre sur sa couverture.
a. Calculez la probabilité qu'ils soient de la même couleur.
b. Les événements « le caméléon mâle est vert » et « le caméléon femelle est vert »
sont-ils indépendants ?
c. Sachant qu'ils sont de couleurs différentes, calculez la probabilité que la face
apparente de la couverture soit rouge.
2.7. Épreuves successives
Dans de nombreuses applications, une épreuve globale se compose de n épreuves
partielles successives. Les issues possibles sont alors des n-uplets (a1, a2, ..., an).
Exemple On a deux urnes U et V extérieurement identiques. U contient 2 boules noires et 1
blanche, V contient 1 noire et 3 blanches.
On choisit d'abord une des deux urnes au hasard, puis on extrait d'elle successivement 2
boules (sans remettre la première dans l'urne).
20

PROBABILITÉS
L'arbre ci-dessous représente cette suite d'opérations, avec les probabilités associées :
La probabilité d'un chemin est égale au produit des probabilités des branches qui
forment ce chemin. En effet, d'après la formule de probabilité conditionnelle :
PE∩F=PE∣F⋅PF .
On remarquera que dans un arbre deux chemins sont toujours incompatibles. Pour
calculer la probabilité d'un événement qui est la réunion de plusieurs chemins, on
additionne les probabilités de ces chemins (voir théorème 2.4).
Ce sont les trois chemins
rouges dans le dessin ci-
dessus.
Les questions c et d sont des
probabilités conditionnelles.
Les questions suivantes se résolvent aisément à l'aide de l'arbre :
a. Quelle probabilité a-t-on de tirer en dernier une boule noire ?
P((–, –, n) = P((U,n,n) ∪ (U,b,n) ∪ (V,b,n)) =
= P((U,n,n)) + P((U,b,n)) + P((V,b,n)) =
1
6

1
6

1
8
=
11
24
b. Quelle probabilité a-t-on de tirer deux boules de même couleur ?
P((–,n,n) ∪ (–,b,b)) = P((U,n,n) ∪ (V,b,b)) =
1
6

1
4
=
5
12
c. Quelle probabilité a-t-on de tirer une boule noire en dernier si l'on sait que la
première était blanche ?
P((–,–,n)|(–,b,–)) =
P– , b ,n
P– ,b , –
=
1
6

1
8
1
6

1
8

1
4
=
7
13
d. Quelle probabilité a-t-on d'avoir choisi l'urne U si la seconde boule tirée est noire ?
P((U,–,–)|(–,–,n)) =
PU , – , n
P– , – ,n
=
1
6

1
6
1
6

1
6

1
8
=
8
11
21

CHAPITRE 2
Exercice 2.28
Me voici sur une plage isolée d'Hawaii. J'ai l'intention d'y prendre un vrai bain de
vagues, c'est-à-dire passer les brisants, nager tranquillement au large puis rentrer en me
faisant ramener par une vague. Mais on me le déconseille fortement. Les vagues sont en
effet ici colossalement fortes et charrient 2 mètres d'écumes environ. Aussi, 1 bon
nageur sur 5 ne réussit pas à franchir les brisants et revient directement sur la plage.
Quand on nage tranquillement au large, les requins vous dévorent 1 fois sur 4. Puis la
probabilité de se noyer dans l'écume en suivant une vague au retour est de 40%. Pour
finir, 3 personnes sur 20 parmi les rescapés apparents de ce bain s'effondrent terrassés
par une crise cardiaque en arrivant sur le sable.
Quelle est donc la probabilité, si je me lance malgré tout en mer...
a. de me noyer ?
b. de revenir vivant sur la plage ?
c. de revenir vivant sur la plage après avoir passé les brisants ?
Épreuves
successives
indépendantes
Exemple
Lorsqu'une épreuve globale est formée d'une succession d'épreuves indépendantes les
unes des autres, ce qui constitue un cas particulier du paragraphe précédent, les
formules à utiliser se simplifient considérablement. Par exemple si A, B et C sont trois
événements relatifs à trois épreuves successives indépendantes, on aura :
P(A ∩ B ∩ C) = P(A)·P(B)·P(C)
On lance un dé trois fois de suite. Quelle est la probabilité d'obtenir la suite 2, 5, 3 ?
La réponse est simplement P2,5 ,3=
1
6
⋅
1
6
⋅
1
6
=
1
216
.
Exercice 2.29
On lance un dé trois fois de suite. Quelle est la probabilité que ni le 3 ni le 5
n'apparaissent ?
Exercice 2.30
On atteint une cible 3 fois sur 10. Combien de fois faut-il tirer pour avoir plus de 99
chances sur 100 de toucher la cible au moins une fois ?
Exercice 2.31
Vous jouez 1000 grilles par an au Swiss Lotto, où il faut cocher 6 numéros sur 45.
a. Quelles sont vos chances de gagner le gros lot (i.e. d'avoir coché les 6 bons
numéros) au moins une fois si vous persévérez à ce rythme pendant cinquante ans ?
b. À ce rythme, combien d'années devriez-vous jouer pour avoir plus d'une chance sur
deux de gagner le gros lot au moins une fois ?
Exercice 2.32
Cette politique de
« surréservation »
(overbooking) est très courante
parmi les compagnies
d'aviation.
Un guide dispose d'un minicar à 10 places pour faire visiter Paris. Avec le temps, il a
remarqué qu'une personne qui a réservé une place annule sa réservation 1 fois sur 5. Il
décide donc de toujours louer 11 places.
Quel est le nombre approximatif de jours dans l'année où le guide devra renvoyer un de
ses clients par manque de place, en supposant qu'il travaille 250 jours par an ?
Exercice 2.33
Problème du Chevalier de Méré (posé à Blaise Pascal en 1654).
Qu'est-ce qui est le plus probable : obtenir au moins un 6 en quatre lancers d'un dé, ou
obtenir au moins un double-6 en lançant 24 fois deux dés ?
Exercice 2.34
Quand je plante des capucines, ça marche 1 fois sur 4. Combien de capucines (au
minimum) dois-je planter pour avoir plus de 3 chances sur 4 d'en voir au moins une
fleurir ?
22

PROBABILITÉS
Exercice 2.35
Un automate peut délivrer du thé, du lait ou du chocolat. Un second bouton permet de
préciser si la boisson doit être chaude ou froide.
À la suite d'un dérangement le bouton permettant le choix de la boisson ne fonctionne
que 1 fois sur 2 en moyenne et celui qui permet le choix de la température que 2 fois sur
3 en moyenne.
Un consommateur tient absolument à avoir une tasse de chocolat chaud. Il est prêt à
payer 3 fois de suite pour satisfaire son désir. Quelle probabilité a-t-il de ne pas obtenir
satisfaction ?
Exercice 2.36
On tire successivement 4 cartes d'un jeu de 36 cartes. Le jeu ayant été brassé
convenablement, quelle probabilité a-t-on de tirer...
a. dans l'ordre : as ♠, as ♣, as ♦, as ♥ ?
b. les quatre as ?
c. les quatre as sachant que les deux premières cartes tirées étaient des as ?
d. un as et trois autres cartes (ordre indifférent) ?
e. un as au moins ?
f. un as au moins sachant que la première carte tirée n'était pas un as ?
Exercice 2.37
Deux urnes U et V contiennent respectivement :
U : 3 boules rouges, 2 boules bleues
V : 1 boule rouge, 1 boule bleue
On enlève une boule de U puis l'on met les boules restantes dans V. On tire alors une
boule de V. Calculez la probabilité...
a. que cette boule soit rouge
b. que cette boule soit rouge si l'on sait que la première boule tirée était rouge
c. que la première boule tirée ait été rouge si au second tirage on a une boule rouge.
Exercice 2.38
Un joueur professionnel garde dans sa poche 2 pièces, l'une normale et l'autre ayant ses
deux faces identiques, disons deux fois pile. Il en prend une au hasard et la lance ; elle
montre pile.
a. Quelle est la probabilité qu'il s'agisse de la pièce normale ?
b. Il jette la pièce une seconde fois et elle montre à nouveau pile. Même question.
Exercice 2.39
Combien faut-il rencontrer de personnes pour avoir plus d'une chance sur deux de
trouver quelqu'un qui est né le même jour que soi (par exemple le 3 juillet, peu importe
l'année) ?
Attention ! Cet exercice ressemble beaucoup au 2.13, mais le résultat est, comme vous
le verrez, très différent.
2.8. La loi binomiale
Schéma
p est la probabilité de tirer une
boule rouge lors d'un tirage
(succès).
p ne varie pas au cours du
temps.
1 – p est la probabilité d'échec.
k est le nombre de succès.
n – k est le nombre d'échecs.
Une urne contient N boules. R de ces boules sont rouges. On tire une boule de cette
urne, on note sa couleur, puis on la remet dans l'urne. On répète cette épreuve n fois de
suite.
La probabilité de tirer k boules rouges est égale à :
Ck
n
p
k
1 – p
n–k
avec p=
R
N
Cette loi s'utilise lorsqu'il n'y a que deux issues possibles à l'épreuve : succès (boule
rouge) ou échec (boule pas rouge) et que l'on s'intéresse au nombre de succès possibles
(k) sur un total de n épreuves.
23

CHAPITRE 2
Exemple On lance un dé équilibré 20 fois de suite. Quelle probabilité a-t-on d'obtenir
respectivement 1, 2, 3, 4 fois « 6 » ?
P(1 fois « 6 ») = C1
20
1
6 
1
5
6 
19
≈ 0.104
P(2 fois « 6 ») = C2
20
1
6 
2
5
6 
18
≈ 0.198
P(3 fois « 6 ») = C3
20
1
6 
3
5
6 
17
≈ 0.238
P(4 fois « 6 ») = C4
20
1
6 
4
5
6 
16
≈ 0.202
Exercice 2.40
Quand p=1/2, les calculs se
simplifient beaucoup, car
p = 1–p.
On lance une pièce de monnaie 20 fois de suite. Quelle probabilité a-t-on d'obtenir...
a. 8 fois face
b. 9 fois face
c. 10 fois face
d. plus de 7 fois et moins de 13 fois face
e. moins de 4 fois face ?
Exercice 2.41
On admet qu'un trait physique (telle la couleur des yeux ou le fait d'être gaucher) chez
un homme est déterminé par une paire de gènes. On désignera par d le gène de la paire
qui est dominant, et par r celui qui est récessif. Une personne portant dd sera ainsi à
dominance pure, une autre portant rr sera à caractère récessif pur, alors que rd
entraînera une dominance hybride. Les dominances pures et hybrides ne se distinguent
pas extérieurement. Un enfant recevra un gène de chacun de ses parents. Si, pour un
trait particulier, les deux parents sont hybrides et s'ils ont 4 enfants, quelle est la
probabilité que 3 de ceux-ci manifestent extérieurement le trait dominant ?
Exercice 2.42
http://ow.ly/5GnRi
Le crible de Galton
Des billes tombent verticalement sur un assemblage de clous placés en quinconce sur
des lignes horizontales et équidistants de leurs voisins immédiats (voir dessin ci-contre).
Le diamètre des billes est égal à la distance entre les clous. Chaque fois qu'une bille tape
un clou, elle a la même probabilité (p = 0.5) de continuer sa chute à gauche ou à droite.
En bas du crible se trouvent des compartiments dans lesquels tombent les billes. Si nous
réalisons l'expérience un grand nombre de fois, les billes viennent s'accumuler dans les
compartiments et forment ainsi un histogramme. La hauteur d'un bâton de l'histogramme
est proportionnelle au nombre de billes s'y trouvant.
a. Déterminer l'histogramme théorique du crible de Galton ci-contre. On laisse tomber
1024 billes.
b. Même question si la probabilité que la bille tombe à droite d'un clou est p = 0.25.
Dessinez la répartition obtenue et comparez-la avec l'histogramme du point a.
24

PROBABILITÉS
Exercice 2.43
Il y a en moyenne 10% de gauchers. Calculez la probabilité d'avoir au moins 4 gauchers
parmi 20 personnes.
Exercice 2.44
Un graphologue prétend être capable de déterminer le sexe d'une personne d'après son
écriture dans 90% des cas. On lui soumet 20 échantillons d'écriture.
On accepte son affirmation s'il réussit à identifier au moins 15 fois le sexe correct. Dans
le cas contraire, on rejette son affirmation. Quelle est la probabilité...
a. que l'on accepte son affirmation alors qu'il répond au hasard ?
b. que l'on rejette son affirmation alors qu'elle est fondée ?
Affaire Castaneda
contre Partida
Un accusé d'origine mexicaine,
condamné pour vol et tentative
de viol dans un comté du sud du
Texas attaqua le jugement sous
le motif que la désignation des
jurés dans l'État du Texas était
discriminatoire pour les
Américains d'origine mexicaine.
Son argument était que ceux-ci
n'étaient pas suffisamment
représentés dans les jurys
populaires.
Attendu de la Cour Suprême des États-Unis (affaire Castaneda contre Partida)
« Si les jurés étaient tirés au hasard dans l'ensemble de la population, le nombre
d'américains mexicains dans l'échantillon pourrait être modélisé par une distribution
binomiale... Étant donné que 79.1% de la population est mexico-américaine, le nombre
attendu d'américains mexicains parmi les 870 personnes convoquées en tant que grands
jurés pendant la période de 11 ans est approximativement 688. Le nombre observé est
339. Bien sûr, dans n'importe quel tirage considéré, une certaine fluctuation par rapport
au nombre attendu est prévisible. Le point essentiel cependant, est que le modèle
statistique montre que les résultats d'un tirage au sort tombent vraisemblablement dans
le voisinage de la valeur attendue... La mesure des fluctuations prévues par rapport à la
valeur attendue est l'écart-type, défini pour la distribution binomiale comme la racine
carrée de la taille de l'échantillon (ici 870) multiplié par la probabilité de sélectionner un
américain mexicain (ici 0.791) et par la probabilité de sélectionner un non américain
mexicain (ici 0.209)... Ainsi, dans ce cas, l'écart-type est approximativement de 12. En
règle générale, pour de si grands échantillons, si la différence entre la valeur attendue et
le nombre observé est plus grande que deux ou trois écarts-types, alors l'hypothèse que
le tirage du jury était fait au hasard serait suspecte à un spécialiste des sciences
humaines. Les données sur 11 années reflètent ici une différence d'environ 29 écarts-
types. Un calcul détaillé révèle qu'un éloignement aussi important de la valeur attendue
se produirait avec moins d'une chance sur 10140
».
Source : Proye It with Figures (Statistics for Social Science and Behavorial Sciences),
par Hans Zeisel et David Kaye, Springer (2006).
2.9. La loi multinomiale
Il s'agit d'un tirage avec remise
dans une urne multicolore.
Une urne contient des boules de
k couleurs différentes rk. On
note pj la proportion de boules
de couleur rj. On effectue n
tirages avec remise.
Considérons une expérience aléatoire avec k résultats possibles, disons les résultats r1,
r2, …, rk.
La probabilité du résultat rj sera notée pj . On a donc 0 ≤ pj ≤ 1 et ∑
j=1
k
pj=1 .
Maintenant, considérons n répétitions indépendantes de cette expérience aléatoire. La
probabilité d'obtenir n1 fois le résultat r1, n2 fois le résultat r2, …, et nk fois le résultat rk
est donné par la formule :
n!
n1!⋅n2!⋅...⋅nk !
p1
n1
⋅p2
n2
⋅...⋅pk
nk
avec n1n2nk=n .
Exercice 2.45
Une urne contient 10 boules rouges, 15 bleues, 3 jaunes et 8 vertes. On tire une boule de
cette urne, on note sa couleur, puis on la remet dans l'urne. On répète cette épreuve dix
fois de suite.
Quelle est la probabilité d'avoir noté 3 boules rouges, 4 bleues, 1 jaune et 2 vertes ?
25

CHAPITRE 2
Exercice 2.46
On lance un dé équilibré 24 fois de suite. Quelle probabilité a-t-on d'obtenir...
a. 5 six et 5 cinq ?
b. 9 six et 12 nombres impairs ?
c. les 6 chiffres 4 fois ?
Exercice 2.47
On « alourdit » un dé pour que le 6 apparaisse 30% du temps, pour que la face opposée
1 apparaisse 10% du temps, et pour que chacune des autres faces apparaisse 15% du
temps. On jette le dé six fois. Calculez la probabilité que...
a. chaque face apparaisse une fois ;
b. les faces 4, 5 et 6 apparaissent chacune deux fois.
2.10. Exercices supplémentaires
Exercice 2.48
Une urne contient 5 boules blanches et 5 boules noires. On y tire au hasard 3 boules une
par une, d'abord en les remettant chaque fois dans l'urne (méthode 1), puis sans les y
remettre (méthode 2). Avec quelle méthode a-t-on le plus de chances de tirer ainsi une
boule blanche et 2 boules noires (l'ordre d'apparition n'a pas d'importance) ?
Exercice 2.49
Sur un damier dont chaque case carrée mesure 58 mm de côté, on lance une pièce de 5
centimes (dont le diamètre est de 17 mm). Quelle est la probabilité que la pièce tombe à
l'intérieur d'une case, sans en déborder ?
Exercice 2.50
Let's Make A Deal ! était un
jeu très populaire diffusé sur
une chaîne américaine dans les
années septante. À la fin du jeu,
Monty Hall vous offrait la
possibilité de gagner ce qui se
trouvait derrière une porte.
Vous avez trois portes devant vous : derrière une se trouve un prix magnifique (par
exemple une voiture) et derrière les deux autres un prix moins intéressant (par exemple
une chèvre). Vous choisissez une porte. Pour ménager le suspense, l'animateur, avant de
révéler ce qu'il y a derrière votre porte, ouvre une des deux autres portes (derrière
laquelle se trouve toujours une chèvre). Il vous pose alors la question : « Parmi les deux
portes encore fermées, laquelle choisissez-vous ? »
Vaut-il mieux garder la première porte choisie ou au contraire prendre l'autre porte ? À
moins que cela n'ait aucune importance...
Exercice 2.51
Pour cet exercice, nous supposerons que les jeunes filles australiennes mesurent entre
1.50 m et 1.75 m, qu'elles pèsent entre 40 kg et 70 kg, que toutes les mesures possibles
sont équiprobables et qu'il n'y a pas de lien particulier entre la taille et le poids (ouf !).
Australian Airways recrute des hôtesses de l'air parmi les jeunes filles qui mesurent au
moins 1.65 m et pèsent au plus 10 kg de moins que leur nombre de centimètres au-
dessus d'un mètre.
Quelle est alors la proportion de jeunes filles australiennes pouvant prétendre à un poste
d'hôtesse de l'air chez Australian Airways ?
Indication
Faites un graphique avec la taille en abscisse et le poids en ordonnée. Comparez ensuite
des aires.
2.10 Ce qu'il faut absolument savoir
Connaître les axiomes t ok
Connaître les théorèmes t ok
Reconnaître et calculer les probabilités conditionnelles t ok
Reconnaître deux événements indépendants t ok
Savoir faire un arbre pour résoudre un problème d'épreuves successives t ok
Maîtriser la loi binomiale t ok
Maîtriser la loi multinomiale t ok
26

VARIABLES ALÉATOIRES
3. Variables aléatoires
3.1. Un peu d’histoire
Blaise Pascal
(1623 - 1662)
Les origines de la notion d’espérance mathématique remontent au problème des
parties de Pascal : « Deux joueurs A et B jouent une partie en plusieurs coups ; à
chaque coup, chaque joueur a la même probabilité de gagner. Le premier qui a gagné
trois coups ramasse l’enjeu qui est de 64 pistoles, chaque joueur ayant misé 32 pistoles
au début du jeu. Soudain, les joueurs aperçoivent la police et doivent interrompre le jeu
avant la fin de la partie. Comment faut-il partager l’enjeu ? »
Supposons que le joueur A ait gagné deux coups et le joueur B un coup au moment où la
police arrive. Pour partager l’enjeu, on raisonnera ainsi : si le coup suivant était joué, A
pourrait le gagner et empocherait donc les 64 pistoles. Il pourrait aussi le perdre : A et B
auraient alors gagné deux coups chacun et il serait légitime de partager l’enjeu de
manière égale. A peut donc espérer avec des chances égales gagner 64 pistoles ou 32.
Donc, 32 pistoles lui sont assurées et ce sont les 32 pistoles restantes qui sont le
véritable enjeu du coup suivant. Il est légitime de les partager également entre A et B.
Donc finalement A va toucher 32+16=48 pistoles et B 16 pistoles.
Exercice 3.1
À l’aide d’un arbre d'épreuves successives, calculez la probabilité de gain des deux
joueurs de l’introduction historique et vérifiez que la répartition de Pascal (3/4, 1/4) est
juste.
3.2. Variables aléatoires discrètes
On désigne une variable
aléatoire par une lettre
majuscule.
Les valeurs qu’elle prend sont
écrites en minuscules (x1, x2,
etc.)
Il arrive souvent qu’à propos d’une épreuve, on soit amené à attribuer des valeurs
numériques à ses issues.
D’un point de vue formel, une variable aléatoire est une fonction X : ℝ , où Ω
est l’univers des résultats. Si l’ensemble des valeurs de cette fonction est fini ou
dénombrable, on dit que cette variable aléatoire est discrète.
Exemple
On remarque que la somme de
des probabilités est égale à 1.
On remarque que si la largeur
d’un rectangle vaut 1, la
somme des aires des
rectangles est égale à 1.
Prenons tout de suite un exemple : on lance deux pièces de monnaie et on compte le
nombre de côtés pile, nombre que l’on désignera par la variable aléatoire X. Trois
résultats sont possibles : 0, 1 ou 2. À chacun de ces trois résultats possibles, on associe
une probabilité :
P{X=0} = P{(F, F)} = 1/4
P{X=1} = P{(F, P), (P, F)} = 1/2
P{X=2} = P{(P, P)} = 1/4
On obtient ce qu’on appelle une loi de probabilité ou distribution, que l’on peut
représenter sous la forme d’un diagramme en bâtons:
27
0 1 2
0
0.25
0.5

CHAPITRE 3
Espérance
C’est en fait une moyenne
pondérée !
L’espérance est aussi notée µ
L’espérance d’une variable aléatoire est l’un des concepts les plus importants en
théorie des probabilités. Pour une variable aléatoire discrète X, on définit l’espérance de
X, notée E[X], par l’expression :
E[ X ]=∑
i
pi
xi
où la variable aléatoire discrète X peut prendre les valeurs x1, x2, x3, ... avec les
probabilités respectives p1, p2, p3, ...
Pour y voir plus clair, reprenons l’exemple des deux pièces de monnaie. L’espérance de
la variable aléatoire X est E[ X ]=
1
4
⋅0
1
2
⋅1
1
4
⋅2=1 .
Variance et écart-
type
Johann Samuel König,
mathématicien allemand, 1712-
1757. Sa formule facilite les
calculs.
Soit X une variable aléatoire discrète d’espérance µ, prenant les valeurs x1, x2, x3, ...,
avec les probabilités respectives p1, p2, p3, ... On appelle variance de X le nombre V(X)
défini par :
V  X =E[X – 2
]=∑
i
xi
– 2
pi
On utilise souvent la formule de König : V  X =∑
i
pi
xi
2
– 2
=E[ X 2
]– E[ X ]2
On appelle écart-type de X le nombre σ défini par =V X  .
Exercice 3.2
On lance trois pièces équilibrées. On désigne par X le nombre de piles.
a. Dessinez le diagramme en bâtons de la loi de probabilité de X.
b. Calculez E[X].
c. Calculez V(X).
Exercice 3.3
On jette deux dés équilibrés. On désigne par X le chiffre maximum montré par les deux
dés.
b. Calculez E[X].
c. Calculez V(X).
Exercice 3.4
Un dé est pipé de sorte que la probabilité d’apparition d’une face est proportionnelle à
ce nombre. Soit X la variable aléatoire attachée au nombre de points qui apparaissent
lorsqu’on lance ce dé.
b. Calculez E[X].
c. Calculez V(X).
3.3. Espérance de gain
Un lascar nous propose le jeu suivant : « Je lance deux pièces en l’air. Si on voit deux
piles, je vous donne 3 francs, dans les autres cas, vous me donnez un franc. »
Ce jeu est-il équitable ?
Pour le savoir, on va calculer notre espérance de gain. Les deux côtés pile apparaîtront
1 fois sur 4. Nous gagnerons donc en moyenne 3 francs une fois sur quatre, et nous
perdrons 1 franc trois fois sur quatre.
28

Notre espérance de gain est l’espérance mathématique de la variable aléatoire Y, Y étant
une fonction de la variable aléatoire X. On a :
E[Y ]=E[ g X ]=∑
i
pi
g xi
=∑
i
pi
yi
C’est plus simple qu’il n’y paraît ; les yi sont :
y1 = g(x1) = g[X=0] = –1
y2 = g(x2) = g[X=1] = –1
y3 = g(x3) = g[X=2] = 3
Les probabilités respectives étant les mêmes que dans l’exemple du § 3.2, l’espérance
de gain est :
E[Y ]=
1
4
p1
⋅– 1
y1

1
2
p2
⋅– 1
y2

1
4
p3
⋅3
y3
=0
Le jeu est équitable. Si notre lascar nous avait proposé plus de 3 francs, le jeu nous
aurait favorisés, car notre espérance de gain aurait été positive. Inversement, s’il nous
avait proposé moins de 3 francs, le jeu nous aurait été défavorable, car notre espérance
aurait été négative.
Exercice 3.5
Un sac contient 5 jetons numérotés 1, 1, 2, 2, 3. On vous propose le jeu suivant :
Vous tirez un jeton au hasard et vous recevez alors une somme d’argent (positive ou
négative !) égale au carré du nombre tiré, diminué de 4 francs.
Cette proposition est-elle avantageuse ?
Exercice 3.6
On vous propose le jeu suivant qui se joue en lançant 3 dés. Pour jouer, il faut verser 1
franc. Pour 3 six je reçois 36 francs ; pour 2 six, 7 francs et pour 1 six, 1 franc.
Est-ce équitable ?
Exercice 3.7
On vous propose le jeu suivant :
Pour pouvoir jouer, il faut d’abord verser 1 franc.
On jette deux dés simultanément. Si l’un des dés au moins présente un chiffre impair,
on ne gagne rien. Si les dés présentent deux chiffres pairs différents, on gagne 1 franc.
Enfin, si les dés présentent le même chiffre pair, on gagne une somme égale au total des
points des deux dés.
Joueriez-vous à ce jeu ?
Exercice 3.8
Bob et Bobette jouent aux dés. Ils lancent tour à tour 2 dés en l’air et observent les
chiffres sortis. Quand la somme est 7 ou le produit 6, Bob marque 1 point ; quand la
somme est 6 ou le produit 4, Bobette marque 1 point.
Ce jeu est-il équitable ?
Exercice 3.9
Les jeux à gratter de la loterie romande
Calculez l’espérance de gain des différents jeux à gratter de la loterie romande.
Lequel est le plus « favorable » ?
Vous trouverez toutes les informations sur www.loterie.ch (cherchez « jeux à gratter »,
puis « tableau des lots »).
29

CHAPITRE 3
Exercice 3.10
Avec 5 numéros gagnants et
plus, les gains dépendent du
nombre de gagnants et de la
cagnotte. On a donné ci-contre
des dotations réalistes.
Swiss Lotto
Jouer une grille coûte 1 franc. On doit cocher 6 numéros sur 45.
Le tirage au sort comprend 6 numéros. Un numéro complémentaire est encore tiré mais
celui-ci n’entre en ligne de compte que si 5 des 6 premiers numéros tirés sont exacts.
Si on a 3 numéros cochés exacts, on gagne 6 francs.
Si on a 4 numéros cochés exacts, on gagne 50 francs.
Si on a 5 numéros cochés exacts, on gagne 4’000 francs.
Si on a 5 numéros cochés exacts plus le numéro complémentaire, on gagne 100’000
francs.
Si on a 6 numéros cochés exacts, on gagne 2 millions de francs.
Calculez l’espérance de gain au Swiss Lotto en ne remplissant qu’une seule grille
(n’oubliez pas de soustraire le prix de la grille).
Exercice 3.11*
Indication
Vous devez maximiser votre
espérance de gain… en priant
pour qu’elle soit positive !
Demandez à un de vos amis de jouer avec vous au jeu suivant : asseyez-vous autour
d’une table. Chacun des deux joueurs doit initialement cacher ses mains sous la table,
puis, brusquement, montrer l’une des deux.
Si chacun a montré la main droite, votre partenaire vous donne 3 francs. Qu’il vous en
donne 2 si chacun a montré la main gauche. Si, par contre, vous montrez la main droite
et lui la gauche, donnez-lui 1 franc ; et si enfin, vous montrez la main gauche alors qu’il
montre la droite, donnez-lui 4 francs.
Si vous jouez de nombreuses fois à ce jeu avec astuce (mais sans tricher), vous pouvez
être sûr de gagner de l’argent.
Comment procéder ?
3.4. Loi de Poisson
Siméon Denis Poisson
(1781 - 1840)
Il introduisit cette distribution
dans Recherches sur la
probabilité des jugements en
matière criminelle et en matière
civile (1837).
Une variable aléatoire discrète X pouvant prendre pour valeur 0, 1, 2, … est dite de
Poisson avec paramètre λ s’il existe un réel λ > 0 tel que
pk =PrX =k =e– 
k
k !
Dans la loi de Poisson E[X] = λ et V(X) = λ.
Le domaine d'application de la loi de Poisson a été longtemps limité à celui des
événements rares comme les suicides d'enfants, les arrivées de bateaux dans un port ou
les accidents dus aux coups de pied de cheval dans les armées (étude de Ladislaus
Bortkiewicz).
Depuis quelques décennies, son champ d'application s'est considérablement élargi.
Actuellement, on l'utilise beaucoup dans les télécommunications (pour compter le
nombre de communications dans un intervalle de temps donné), le contrôle de qualité
statistique, la description de certains phénomènes liés à la désintégration des noyaux
radioactifs, la biologie, la météorologie, la finance pour modéliser la probabilité de
défaut d'un crédit, ...
Exercice 3.12
Démontrez que la loi de poisson est bien une loi de probabilité.
Montrez pour cela que ∑
k =0
∞
pk
=1 et que pk ≥0 , pour tout k.
Exercice 3.13
Démontrez que, dans la loi de Poisson, E[X] = λ et V(X) = λ.
30

Approximation de
la loi binomiale par
la loi de Poisson
La loi de Poisson est la loi des phénomènes rares, de faible probabilité. Les variables
aléatoires de Poisson ont un champ d’application fort vaste, en particulier du fait qu’on
peut les utiliser pour approcher des variables aléatoires binomiales de paramètre (n, p)
pour autant que n soit grand et p assez petit pour que np soit d’ordre de grandeur moyen
(environ 5).
Pour s’en convaincre, admettons que X soit une variable aléatoire binomiale de
paramètre (n, p) et posons λ = np.
Pr(X = k) =
n!
k !n – k!
Ck
n
p
k
1 – p
n– k
=
n!
k!n – k ! 
n
k
1 –

n 
n –k
=
n⋅n –1⋅⋅n – k1
n
k
k
k !
1 –

n 
n
1 –

n
k
En bleu, la loi binomiale
(n = 100, p = 0.08) et en
rouge la loi de Poisson de
paramètre λ = 8.
Maintenant, pour n grand et λ modéré, on a :
n⋅n –1⋅⋅n – k1
n
k
≈1
1 –

n 
n
≈e
–
1 –

n 
k
≈1
Donc, pour n grand et λ modéré : pi
=Pr X =i≈e– 
k
k !
Exemple
Les valeurs exactes données
par la loi binomiale sont :
a. 0.20678
b. 0.7231
Un certain vaccin provoque chez un individu sur 800 environ une réaction dangereuse.
Quelle probabilité y a-t-il, en vaccinant 3000 personnes, qu’il y ait
a. trois réactions dangereuses ?
b. plus de deux réactions dangereuses ?
Soit X la variable aléatoire indiquant le nombre total de réactions dangereuses. On a une
distribution binomiale avec p=
1
800
; n = 3000 ; λ = 3.75.
a. Pr X =3=
3000!
3!2997!  1
800
3
799
800
2997
≈
3.753
e– 3.75
3!
=0.2067
Loi binomiale Loi de Poisson
On voit que le calcul est grandement facilité par le recours à la loi de Poisson.
b. Pr X 2=1 – Pr X 2=1 – Pr X =0Pr X =1Pr X =2
≈ 1 –3.750
e– 3.75
0!

3.751
e–3.75
1!

3.752
e– 3.75
2! =0.7229
31

CHAPITRE 3
Exercice 3.14
Admettons que le nombre de fautes de frappe par page suive une loi de Poisson de
moyenne 0.75. On ouvre un livre à une page au hasard.
Calculez la probabilité qu’il y ait au moins une faute de frappe sur cette page.
Processus de
Poisson
D’une manière générale, lorsqu’un phénomène permet de supposer que
• un seul événement arrive à la fois,
• le nombre d’événements se produisant pendant un intervalle de durée t ne
dépend que de la durée de cette période,
• les événements sont indépendants,
on dit que ce phénomène suit un processus de Poisson.
Si le nombre d’événements par unité de temps est égal à λ, on démontre que la
probabilité d’obtenir k événements pendant un temps t est :
Pr X =k≈e
– t t
k
k !
Exemple
Le nombre de tremblements de terre par semaine sur la côte ouest américaine suit une
loi de Poisson de moyenne 2.
Quelle est la probabilité qu’il y ait 6 secousses pendant le prochain mois ?
On a λ =2, et t=4 (semaines). Pr X =6≈e
–2⋅4 2⋅4
6
6!
=0.122 .
Exercice 3.15
Le nombre moyen de chiens abandonnés chaque semaine au bord d’une route cantonale
au mois de juillet est 2.5.
a. Calculez la probabilité qu’aucun chien ne soit abandonné entre le 7 et le 14 juillet.
b. Quelle est la probabilité que plus de 5 chiens soient abandonnés entre le 14 et le 21
juillet ?
Exercice 3.16
En moyenne, 5 clients par heure entrent dans un magasin. La vendeuse ferme boutique
pendant 5 minutes.
Quelle est la probabilité que plus d’un client trouve porte close ?
3.5. Variables aléatoires continues
Imaginons une expérience où toutes les issues ont une probabilité 0. Un exemple simple
est une girouette parfaite que l’on fait tourner à la main : à l’arrêt, elle peut indiquer
n’importe quelle direction, et donc n’importe quel angle réel entre 0 et 360°. Il y a un
nombre infini de valeurs possibles.
Certaines probabilités sont faciles à trouver, par exemple la probabilité d’indiquer un
angle X compris entre 0 et 90° : Pr(0° ≤ X ≤ 90°) = 1/4.
Mais qu’en est-il pour calculer la probabilité Pr(X = 90°) ? Comme il y a un nombre
infini de valeurs possibles, la probabilité d’indiquer précisément 90° est nulle (!).
Par analogie avec les variables aléatoires discrètes, on peut représenter cette situation
comme l’aire sous une courbe. Pour la girouette, cette courbe ressemble à ceci :
Remarquez que l’aire sous la
courbe vaut 1.
32
x
0 360°
1
360

Ici, l’aire orange, qui est
la probabilité, vaut
360
b a
p
−
=
La probabilité que la girouette indique un angle compris entre a et b est précisément
l’aire orange sous la courbe, entre a et b.
x
0 360°
1
360
a b
Autrement dit, le calcul
de cette probabilité
revient au calcul d’une
intégrale :
Pr aX b=∫
a
b
f xdx
La courbe y = f(x) est appelée densité de probabilité de la variable aléatoire continue
X. Chaque variable aléatoire continue a sa propre fonction de densité. La probabilité
Pr(a ≤ X ≤ b) est l’aire sous la courbe entre a et b.
Propriétés de f(x)
La courbe de densité f(x) doit avoir certaines propriétés pour être compatible avec les
axiomes des probabilités :
f x0 ∫
–∞
∞
f xdx=1
Moyenne et
variance
V. A. continues à comparer avec V. A. discrètes
=∫
–∞
∞
x f x dx = ∑
tout x
x px
2
=∫
–∞
∞
x−2
f xdx 2
=∑
tout x
x−2
px
Fonction de
répartition F(x)
On appelle fonction de répartition l’aire sous la courbe de densité de probabilité
entre –∞ et x.
Fx=Pr X x=∫
– ∞
x
f tdt
3.6. La loi normale de Gauss-Laplace
Abraham de Moivre
(1667-1754)
La loi normale (ou loi gaussienne, ou loi de Gauss-Laplace) est une des principales
distributions de probabilité. Elle a été introduite par le mathématicien Abraham de
Moivre en 1733 et utilisée par lui afin d'approcher des probabilités associées à des
variables aléatoires binomiales possédant un paramètre n très grand. Cette loi a été mise
en évidence par Gauss au 19ème siècle et permet de modéliser de nombreuses études
biométriques.
Le théorème de Moivre-Laplace affirme la convergence d'une loi binomiale vers une loi
de Gauss quand le nombre d'épreuves augmente.
33

CHAPITRE 3
Une variable aléatoire X est dite normale, avec paramètres (µ ; σ) si la densité de
probabilité de X est donnée par
f x=
1
 2
e
–
1
2 x –
 
2
–∞ < x < ∞
On recalculera ces
pourcentages à
l’exercice 3.24
Le graphe de cette densité est une courbe en forme de cloche avec un axe de symétrie
vertical en µ.
On voit ci-dessous l’influence de la moyenne µ et de la variance 
2
sur la forme de la
courbe.
Loi centrée réduite
C’est la courbe verte sur le
graphe ci-dessus.
Une variable normale N (0 ; 1), c’est-à-dire de moyenne 0 et d’écart-type 1 est dite
standard ou centrée réduite.
On note habituellement la fonction de répartition d’une variable normale centrée réduite
par le symbole Φ :
x=
1
2 
∫
– ∞
x
e
–
t
2
2
dt
Cette fonction de répartition Φ(x) n’ayant pas de forme analytique, on se réfère à une
table numérique où elle est tabulée pour différentes valeurs de x.
34

Fonction de répartition de la loi normale N (0 ;1)
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7793 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8906 0.8925 0.8943 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9986 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
La table ci-dessus contient les valeurs de x=
1
2 
∫
– ∞
x
e
–
t
2
2
dt .
On lit les décimales dans les lignes, et les centièmes dans les colonnes. Par exemple, la valeur de Φ(1.65) se trouve à
l'intersection de la ligne 1.6 et de la colonne 0.05 ; on trouve Φ(1.65)=0.9505, à 10-4
près.
Pour les valeurs négatives de x, on utilise la relation Φ(−x) = 1−Φ(x).
Exercice 3.17
Esquissez la fonction de répartition de la loi normale N (0 ;1).
35

CHAPITRE 3
Propriétés
Si une variable aléatoire X suit une loi N (µ ; σ), la variable aléatoire centrée réduite
X
*
=
X – 

suit une loi N (0 ; 1).
Pr aX b=Pra – 

X
*

b – 
 
En effet, si on effectue la substitution t=
x – 

, les bornes d’intégration deviennent
a – 

et
b – 

. On a d’autre part dt=
1

dx .
D’où Pr aX b=
1
2 
∫
a –

b– 

e
–
1
2
t
2
dt
1. Pr aX b=Pra – 

X
*

b – 
 =b – 
 –a – 
 
2. Pr X
*
– x=– x=1 –x
3. Pr −x≤ X
*
x=2x−1
Exercice 3.18
On considère une variable aléatoire X suivant une loi normale N (0 ;1). Calculez
a. Pr(0 ≤ X ≤ 1.42) b. Pr(−1.37 ≤ X ≤ 2.01)
c. Pr(X ≥ 1.13) d. Pr(−0.5 ≤ X ≤ 0.5)
e. Pr(−1 ≤ X ≤ 1)
Exercice 3.19
Soit une variable aléatoire X suivant une loi normale N (0 ; 1). Trouvez t pour que
a. Pr(0 ≤ X ≤ t) ≈ 0.4236 b. Pr(X ≤ t) ≈ 0.7967
c. Pr(X ≤ t) ≈ 0.0655 d. Pr(t ≤ X ≤ 2) ≈ 0.1
Exercice 3.20
On considère une variable aléatoire X suivant une loi normale N (5 ; 5). Calculez
a. Pr(0 ≤ X ≤ 1) b. Pr(−1 ≤ X ≤ 2)
c. Pr(X ≥ 7) d. Pr(3 ≤ X ≤ 7)
Exercice 3.21
On considère une variable aléatoire X suivant une loi normale N (µ ; σ). Calculez la
probabilité que X soit compris a. entre µ−σ et µ+σ
b. entre µ−2σ et µ+2σ
c. entre µ−3σ et µ+3σ
Exercice 3.22
La taille des conscrits suit une loi normale de moyenne 173 cm et d’écart-type 8 cm.
Quelle est la probabilité qu’un conscrit pris au hasard mesure entre 160 cm et 175 cm ?
Exercice 3.23
La température en Suisse au mois de mai suit une loi normale de moyenne 20°C et
d’écart-type 3°C. Calculez la probabilité que la température un jour donné de mai soit
comprise entre 21°C et 26°C.
Exercice 3.24
Les résultats d’un examen (exprimés en points entiers) suivent une loi normale
N (76 ; 15). Calculez le nombre minimal de points à exiger pour faire réussir 90% des
candidats.
Exercice 3.25
Une machine permet de remplir automatiquement des paquets de farine. La masse M
désirée est réglable. En réalité, la masse de farine effectivement versée est une variable
aléatoire X qui suit une loi normale de moyenne M et d’écart-type égal à 3% de M.
Sur quelle valeur de M faut-il régler la machine pour que 95% des paquets contiennent
au moins 1 kg ?
36

Exercice 3.26
Des élections législatives ont eu lieu en Russie le 4 décembre dernier, remportées
largement et sans surprise par le parti de Vladimir Putin. Le 10 décembre, des dizaines
de milliers de manifestants se sont réunis dans le centre de Moscou pour dénoncer les
résultats. Parmi les banderoles, des symboles mathématiques ! Sur celle de la marge, on
peut lire « Pour la loi normale ! ».
Parmi les autres slogans : « Nous croyons Gauss, nous ne croyons pas Churov ! »
(Vladimir Churov est le président de la commission électorale centrale). « On ne peut
pas tromper Gauss ».
Pour chaque élection, on peut tracer une courbe avec en abscisse un pourcentage de
participation et en ordonnée le nombre de bureaux de vote qui ont enregistré ce
pourcentage. Sur le graphique de gauche ci-dessous, on a tracé les quatre courbes (de
gauche à droite) pour les élections législatives au Mexique en 2009, au deuxième tour
des élections présidentielles polonaises en 2010, aux élections législatives bulgares en
2009 et suédoises en 2010. On y observe des courbes en cloche de Gauss. Voici à droite
la courbe correspondant aux élections législatives de 2011 en Russie.
Comment peut-on expliquer cette anomalie ?
Théorème central
limite
On note T= X1X 2X n la somme de n variables aléatoires indépendantes de
même moyenne µ et de même écart-type σ.
La variable aléatoire centré réduite T
*
=
T – n
 n
suit approximativement la loi normale
N (0 ; 1) si n ∞ .
Voici ci-dessous une illustration du théorème central limite pour les quatre lois que
nous connaissons : uniforme, gaussienne, binomiale, Poisson.
37

CHAPITRE 3
Alexandre Mikhailovitch
Liapounov (1857-1918)
Ce théorème, un des piliers de la théorie des probabilités, fournit une méthode simple
pour calculer des probabilités liées à une somme de variables aléatoires. Il explique
également le fait remarquable que beaucoup de phénomènes naturels suivent une
distribution ayant la forme d’une courbe en cloche, c’est-à-dire une distribution
normale.
En 1733, Abraham de Moivre, mathématicien anglais, le démontra dans le cas des
variables de Bernoulli avec p = 0.5. Laplace l’étendit à un p quelconque en 1812. Il
fallut ensuite attendre jusqu’en 1902 pour que le mathématicien russe Alexandre
Liapounov le démontre rigoureusement dans tous les cas.
Pour le cas de la loi binomiale, on peut alors énoncer le théorème suivant.
Approximation de
la loi binomiale par
la loi normale
n : nombre d'épreuves
p : probabilité de succès
Si X suit une loi binomiale B(n ; p) avec n grand (dans la pratique, on exige np ≥ 5 et
n(1−p) ≥ 5), on peut estimer Pr(a ≤ X ≤ b) avec la loi normale N ( np ; np1 – p ).
Pr aX b≈b
1
2
– np
np1– p–a –
1
2
– np
np1 – p
En bleu, la loi binomiale
B(100, 0.15) et
en rouge la loi normale
N (15, 3.57071).
Note :
100⋅0.15⋅0.85=3.57071
Exercice 3.27
On lance 100 fois une pièce de monnaie. Estimez la probabilité d’observer...
a. moins de 60 fois pile.
b. moins de 36 fois pile.
c. un nombre de fois pile strictement compris entre 35 et 60.
Exercice 3.28
On lance 90 fois un dé. Estimez la probabilité d’observer...
a. moins de 10 fois un six.
b. un nombre de six strictement compris entre 20 et 50.
Exercice 3.29
On considère 10'000 chiffres (de 0 à 9) pris au hasard. Calculez la probabilité que le
chiffre 3 apparaisse plus de 850 fois.
Exercice 3.30
Au jass, après chaque donne, on a neuf cartes en main. Il y a quatre couleurs (pique,
cœur, trèfle et carreau) et neuf cartes par couleur (6, 7, 8, 9, 10, valet, dame, roi, as).
Quelle est la probabilité...
a. d’avoir quatre valets lors d’une donne ?
b. d’avoir cinq fois les quatre valets en recevant 935 donnes ? Donnez le résultat
exact et les approximations avec la loi de Poisson et la loi normale.
Exercice 3.31
On lance 10 dés équilibrés. Utilisez le théorème central limite pour évaluer la
probabilité que la somme des dix résultats soit comprise entre 30 et 40.
38

3.7 Ce qu’il faut absolument savoir
Connaître la définition d’une variable aléatoire discrète t ok
Savoir calculer l’espérance et la variance d’une variable aléatoire discrète t ok
Connaître la définition d’une loi de probabilité t ok
Savoir calculer et interpréter l’espérance de gain t ok
Connaître et savoir appliquer la loi de Poisson et le processus de Poisson t ok
Savoir approcher la loi binomiale avec la loi de Poisson t ok
Connaître la définition d’une variable aléatoire continue t ok
Savoir calculer l’espérance et la variance d’une variable aléatoire continue t ok
Connaître et savoir appliquer la loi normale t ok
Savoir approcher la loi binomiale avec la loi normale t ok
39

Probabilites[www.learneconomie.blogspot.com]

Probabilites[www.learneconomie.blogspot.com]

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (20)

Similar to Probabilites[www.learneconomie.blogspot.com]

Similar to Probabilites[www.learneconomie.blogspot.com] (20)

More from Jamal Yasser

More from Jamal Yasser (20)

Recently uploaded

Recently uploaded (20)

Probabilites[www.learneconomie.blogspot.com]